| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 阅读理解研究 | 第13-15页 |
| 1.2.2 修辞格识别研究 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第二章 鉴赏类问题分析及修辞格数据收集 | 第18-26页 |
| 2.1 考生鉴赏评价能力要求 | 第18页 |
| 2.2 机器解答鉴赏类问题的核心技术 | 第18-20页 |
| 2.3 排比句的特点分析及数据构建 | 第20-21页 |
| 2.3.1 排比句定义及特点 | 第20-21页 |
| 2.3.2 排比句构建 | 第21页 |
| 2.4 比喻句的特点分析与数据构建 | 第21-25页 |
| 2.4.1 比喻句定义及特点 | 第21-23页 |
| 2.4.2 比喻句构建 | 第23页 |
| 2.4.3 比喻数据分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 融合CNN和结构相似度计算的排比句识别方法 | 第26-34页 |
| 3.1 排比句识别方法 | 第26-30页 |
| 3.1.1 基于CNN的排比句识别算法 | 第27-29页 |
| 3.1.2 基于结构相似度计算的排比句识别算法 | 第29页 |
| 3.1.3 融合CNN+SSC的排比句识别方法 | 第29-30页 |
| 3.2 实验结果与分析 | 第30-33页 |
| 3.2.1 实验设置及评价指标 | 第30页 |
| 3.2.2 三种实验结果及分析 | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于CNN_C的比喻句识别方法 | 第34-42页 |
| 4.1 比喻句识别方法 | 第34-36页 |
| 4.1.1 字符级卷积神经网络 | 第34-35页 |
| 4.1.2 基于CNN_C比喻句识别算法 | 第35-36页 |
| 4.2 实验结果与分析 | 第36-40页 |
| 4.2.1 实验设置及评价指标 | 第36-37页 |
| 4.2.3 三种实验及结果分析 | 第37-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第五章 鉴赏类问题解答系统 | 第42-50页 |
| 5.1 鉴赏类问题解答流程 | 第42页 |
| 5.2 鉴赏类问题识别方法 | 第42-43页 |
| 5.3 语言技巧库与答题模板 | 第43-44页 |
| 5.3.1 语言技巧库 | 第43-44页 |
| 5.3.2 答题模板 | 第44页 |
| 5.4 鉴赏题答题系统实现 | 第44-48页 |
| 5.4.1 系统使用环境 | 第44-45页 |
| 5.4.2 文本预处理 | 第45页 |
| 5.4.3 系统演示 | 第45-48页 |
| 5.4.4 系统答题情况分析 | 第48页 |
| 5.5 本章小结 | 第48-50页 |
| 第六章 结论与展望 | 第50-52页 |
| 6.1 结论 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读学位期间取得的研究成果 | 第58-60页 |
| 致谢 | 第60-62页 |
| 个人简况及联系方式 | 第62-65页 |